基于保留動力學(xué)過程使用稀疏網(wǎng)絡(luò)魯棒地分類圖片的方法

基本信息

申請?zhí)?/td> CN202210355240.8 申請日 -
公開（公告）號 CN114692834A 公開（公告）日 2022-07-01
申請公布號 CN114692834A 申請公布日 2022-07-01
分類號 G06N3/04（2006.01）I;G06N3/08（2006.01）I;G06V10/764（2022.01）I;G06V10/82（2022.01）I;G06K9/62（2022.01）I 分類 計算；推算；計數(shù);
發(fā)明人 張巖;鄭鵬飛;謝吉雨;張化鵬;賈曉玉 申請（專利權(quán)）人 南京大學(xué)
代理機構(gòu) 江蘇圣典律師事務(wù)所 代理人 -
地址 210023江蘇省南京市棲霞區(qū)仙林大道163號南京大學(xué)
法律狀態(tài) -

摘要

摘要 本發(fā)明提供了基于保留動力學(xué)過程使用稀疏網(wǎng)絡(luò)魯棒地分類圖片的方法，結(jié)合神經(jīng)正切核理論和對抗訓(xùn)練的動力學(xué)過程，使用對抗攻擊得到稀疏網(wǎng)絡(luò)和密集網(wǎng)絡(luò)的各自的對抗樣本，得到適宜進行對抗訓(xùn)練的稀疏網(wǎng)絡(luò)，用稀疏網(wǎng)絡(luò)在圖片集上進行對抗訓(xùn)練，得到分類器，實現(xiàn)對對抗攻擊的有效抵御。本方法得到的稀疏網(wǎng)絡(luò)的性能與原始的密集網(wǎng)絡(luò)性能相當(dāng)，對抗魯棒性優(yōu)于最近提出的Inverse Weight Inheritance2020，且本發(fā)明在初始化時便找到了目標稀疏網(wǎng)絡(luò)，不需要像現(xiàn)有方法那樣迭代地進行對抗訓(xùn)練?剪枝過程，大大減少了訓(xùn)練時間，因此本發(fā)明優(yōu)于現(xiàn)有的同任務(wù)方法，使得對抗魯棒神經(jīng)網(wǎng)絡(luò)在資源有限設(shè)備上的部署成為可能。